Analiza ofert pracy z wykorzystaniem narzędzi Big Data zawartych w języku Python

• Autorzy: Arkadiusz Kisiołek
• Języki publikacji: PL

Abstrakty

Głównym celem rozdziału jest prezentacja najbardziej perspektywicznych branż i stanowisk w Polsce w latach 2016-2020 oraz poziomu doświadczenia kandydatów, jakiego oczekiwali pracodawcy w tym okresie. Badania przeprowadzono za pomocą metod analizy tekstu oraz metod statystycznych zawartych w języku Python. W części teoretycznej rozdziału scharakteryzowano koncepcję BD jako nowego źródła danych, przedstawiono wybrane metody i techniki analizy BD oraz opisano portale udostępniające oferty pracy jako jeden z przykładów źródeł BD. W części empirycznej zaprezentowano wyniki analizy ofert pracy przeprowadzonej za pomocą wybranych narzędzi zawartych w języku Python. (fragment tekstu)

Słowa kluczowe

PL

Big Data; Praca; Relacje pracodawca-pracownik

EN

Big Data; Labour; Employer-employee relationships

• Czasopismo: Prace Naukowe / Uniwersytet Ekonomiczny w Katowicach
• Rocznik: 2021
• Tom: Innowacje w gospodarce cyfrowej
• Strony: 58--72

Twórcy

autor

Arkadiusz Kisiołek

• Uniwersytet Ekonomiczny w Katowicach

Bibliografia

• Almeida F. (2018), Big Data: Concept, Potentialities, and Vulnerabilities, "Emerging Science Journal", Vol. 2(1), s. 1-10.
• Asikri M., Krit S., Chaib H. (2020), Using Web Scraping in a Knowledge Environment to Build Ontologies Using Python and Scrapy, "European Journal of Molecular & Clinical Medicine", Vol. 07, Iss. 03, s. 433-442.
• Bajaj R., Remteke P. (2014), Big Data - The New Era of Data (IJCSIT), "International Journal of Computer Science and Information Technologies", Vol. 5(2), s. 1875-1885.
• Frizzo-Barker J., Chow-White P.A., Mozafari M. (2016), An Empirical Study of the Rise of Big Data in Business Scholarship, "International Journal of Information Management", Vol. 36, No. 3, s. 403-413.
• Hammad K., Fakharaldien M., Zain J., Majid M. (2015), Big Analysis and Storage, Proceedings of the 2015 International Conference, s. 648-659.
• Jagodzińska-Komar E., Grzywacz J. (2019), Rola interfejsu API w modelu otwartej bankowości, "Studia i Prace. Kolegium Zarządzania i Finansów", Zeszyt Naukowy 172, Szkoła Główna Handlowa w Warszawie, Oficyna Wydawnicza SGH, s. 41-51.
• Javidi B., red. (2001), Image Recognition and Classification. Algorithms, Systems and Applications, CRC Press, New York.
• Kalińska-Kula M. (2017), Wykorzystanie Big Data w procesach decyzyjnych przedsiębiorstw, "Marketing i Zarządzanie", nr 2(48), Uniwersytet Łódzki, s. 141-153.
• Kapil G., Agrawal A., Khan A. (2016), A Study of Big Data Characteristics, 2016 International Conference on Communication and Electronics Systems (ICCES), Cairo, Egypt.
• Maślankowski J. (2019), Pozyskiwanie i analiza danych na temat ofert pracy z wykorzystaniem big data, "Wiadomości Statystyczne", nr 64(9), 60-74.
• Misra N., Dixit Y., Al-Mallahi A., Bhullar M., Upadhyay R., Martynenko A. (2020), IoT, Big Data and Artificial Intelligence in Agriculture and Food Industry, "IEEE Internet of Things Journal", https://ieeexplore.ieee.org/document/9103523 (dostęp: 10.03.2021).
• Niculescu V. (2020), On the Impact of High Performance Computing in Big Data Analytics for Medicine, "Applied Medical Informatics Editorial", Vol. 42, No. 1, s. 9-18.
• Olszak C.M. (2016), Toward Better Understanding, Use of Business Intelligence in Organizations, "Information Systems Management", Vol. 33, No. 2, s. 105-123.
• Olszak C.M., Gajowska D. (2017), Big Data Approach to Analyzing the IT Job Market, Proceedings of the 11 European Conference on Information Systems Management, University of Genoa, 14-15 September, Genoa, Italy, ed. R.P. Dameri, R. Spinelli, Published by Academic Conferences, Publishing International Reading, UE, s. 242-251.
• Olszak C.M., Mach-Król M. (2015), Big Data: A New Value for Organizations [w:] A. Fošner (ed.), Advances in Business-Related Scientific Research Conference, GEA College, Ljubljana.
• Panimalar A., Shree V., Kathrine V. (2017), The 17 V's of Big Data, "International Research Journal of Engineering and Technology", Vol. 04, Iss. 09, s. 329-333.
• Pedrycz W., Chen S.-M. (2015), Information Granularity, Big Data, Computational Intelligence, Springer, London.
• Racka K. (2016), Big Data - znaczenie, zastosowania i rozwiązania technologiczne, "Zeszyty Naukowe PWSZ w Płocku. Nauki Ekonomiczne", t. XXIII, s. 311-323.
• Russom P. (2011), Big Data Analytics, TDWI Best Practices Report, The Data Warehousing Institute (TDWI) Research, Renton, USA.
• Sagiroglu S., Sinanc D. (2013), Big Data: A Review, Collaboration Technologies, Systems (CTS), International Conference on Collaboration Technologies and Systems, San Diego, 20-24 May, s. 42-47.
• Sun Z., Strang K., Rongping L. (2018), 10 Bigs: Big Data and Its Ten Big Characteristics, BAIS No. 17010, PNG University of Technology, Papua-New Guinea.
• Thanakumar J. (2019), Survey of Data Mining Algorithm's for Intelligent Computing System, "Journal of Trends in Computer Science and Smart Technology", Vol. 01, No. 01, s. 14-23.
• Vassakis K., Petrakis E., Kopanakis I. (2018), Big Data Analytics: Applications, Prospects and Challenges, "Mobile Big Data", Vol. 10, s. 3-20.
• Yang H., Huang Q., Li Z., Liu K., Hu F. (2017), Big Data and Cloud Computing:
• Innovation Opportunities and Challenges, "International Journal of Digital Earth", s. 13-53.
• Ylijoki O., Porras J. (2019), A Recipe for Big Data Value Creation, "Business Process Management Journal", Vol. 25, No. 5, s. 1085-1100.
• Zwierzchowski D. (2016), Text mining i narzędzia eksploracji tekstu [w:] K. Śmiatacz (red.), Zastosowanie narzędzi IT w badaniu opinii usługobiorców na przykładzie służby zdrowia, Wydawnictwa Uczelniane Uniwersytetu Technologiczno--Przyrodniczego, Bydgoszcz.
• [www 1] Firican G. (2017), The 10 Vs of Big Data, TDWI, https://tdwi.org/articles/2017/02/08/10-vs-of-big-data.aspx (dostęp: 11.02.2021).
• [www 2] What Is Big Data, SAS, https://www.sas.com/pl_pl/insights/big-data/what-is-big-data.html